今天总结三个提升Python运行速度的方法,只从代码本身考虑,提升运行速度并不会从编写C 扩展的代码、基于JIT的编译器技术考虑。
关于代码执行效率的第一个方法是减少频繁的方法访问,尤其是在多层循环内层、且循环次数较多的操作,差距尤为明显。
- # 真是模块内全局变量
- import math
- def compute_sqrt(nums):
- result = []
- for n in nums: # 假如nums长度很大
- # 1. math.sqrt 会被频繁访问
- # 2. result.append 也会被频繁访问
- result.append(math.sqrt(n))
- return result
看到在for循环里面,涉及2个频繁的访问:
- math.sqrt 会被频繁访问
- result.append 也会被频繁访问
因此第一步做如下更改:直接导入sqrt,而不是导入整个模块后再去引用sqrt
- # 直接导入sqrt,而不是导入整个模块后再去引用sqrt
- from math import sqrt
- def compute_sqrt(nums):
- result = []
- for n in nums: # 假如nums长度很大
- # 1. math.sqrt 会被频繁访问
- # 2. result.append 也会被频繁访问
- result.append(sqrt(n))
- return result
然后再修改result.append,不用频繁访问append,使用标签apd指向它就行了:
- # 直接导入sqrt,而不是导入整个模块后再去引用sqrt
- from math import sqrt
- def compute_sqrt(nums):
- result = []
- apd = result.append
- for n in nums: # 假如nums长度很大
- # 1. math.sqrt 会被频繁访问
- # 2. result.append 也会被频繁访问
- apd(sqrt(n))
- return result
第二个方法:查找局部变量的效率是最高的!!!对于频繁访问的变量应尽可能是局部变量,消除不必要的全局变量访问。所以对于上面代码,sqrt还是模块级别的全局变量,所以修改为:
- def compute_sqrt(nums):
- # 调整sqrt为局部变量
- from math import sqrt
- result = []
- apd = result.append
- for n in nums: # 假如nums长度很大
- # 1. math.sqrt 会被频繁访问
- # 2. result.append 也会被频繁访问
- apd(sqrt(n))
- return result
第三个方法:不要做一些不必要的属性包装。比如@property必要时再用,能不用时就别用。如下对于属性y做@property装饰没有任何意义!只有在y有特定取值,比如只能取大于0的非负实数时再用此装饰才有意义。
- class A:
- def __init__(self, x, y):
- self.x = x
- self.y = y
- @property
- def y(self):
- return self._y
- @y.setter
- def y(self, value):
- self._y = value
因此修改为下面这样,删去多余的@property包装
- class A:
- def __init__(self, x, y):
- self.x = x
- self.y = y
以上就是Python代码提速的3条基本但却容易被忽略的有价值方法,希望对你有用。